R从List列表中提取元素的快速方法

Question

大家好，我正在处理包含列表的大型列表。每个子列表都包含 n 个元素。我总是想得到第三个，例如

l = list()
l[[1]] = list(A=runif(1), B=runif(1), C=runif(1))
l[[2]] = list(A=runif(1), B=runif(1), C=runif(1))
l[[3]] = list(A=runif(1), B=runif(1), C=runif(1))

res = sapply(l, function(x) x$C)
res = sapply(l, function(x) x[[3]]) #alternative

但我的列表包含数千个元素，并且我多次执行此操作。那么，有没有更快的方法来做上面的操作呢？

最好的问候，

马里奥

Answer 1

如果您多次这样做，那么最好将您的列表转换为更简单的结构，例如 data.table。

library(data.table)
DT=rbindlist(l);
res = DT$C
# or if you prefer the 3rd element, not necessarily called 'C' then:
res = DT[[3]] # or DT[,C] which might be faster. Please check @richard-scriven comment

或者，如果你想保留基础 R，你可以使用 rbind

res = do.call(rbind.data.frame, l)$C # or [[3]]

这会让事情变得更容易吗？

更新

以下是一些基准，展示了该问题的不同解决方案:

准备工作:

library(data.table)
library(microbenchmark)

# creating a list and filling it with items 
nbr   = 1e5;
l     = vector("list",nbr)
for (i in 1:nbr) {
  l[[i]] = list(A=runif(1), B=runif(1), C=runif(1))
}

# creating data.frame and data.table versions
DT <- rbindlist(l)
DF <- data.frame(rbindlist(l))

基准测试:

# doing the benchmarking
op <- 
  microbenchmark(
    LAPPLY.1 = lapply(l, function(x) x$C),
    LAPPLY.2 = lapply(l, `[`, "C"),
    LAPPLY.3 = lapply(l, `[[`, "C"),

    SAPPLY.1 = sapply(l, function(x) x$C),
    SAPPLY.2 = sapply(l, function(x) x[[3]]),
    SAPPLY.3 = sapply(l, `[[`, 3),
    DT.1     = rbindlist(l)$C,

    DT.2     = DT$C,
    DF.2     = DF$C,
    times    = 100
  )

结果:

op 

## Unit: microseconds
## expr        min     lq   mean median     uq   max neval
## LAPPLY.1 124088 142390 161672 154415 163240 396761  100
## LAPPLY.2 111397 134745 156012 150062 165229 364539  100
## LAPPLY.3  66965  71608  82975  77329  84949 323041  100
## SAPPLY.1 133220 149093 166653 159222 172495 311857  100
## SAPPLY.2 105917 119533 137990 133364 139216 346759  100
## SAPPLY.3  70391  74726  81910  80520  85792 110062  100
## DT.1      46895  48943  49113  49178  49391  51377  100
## DT.2          8     18     37     47     49     58  100
## DF.2          7     13     33     40     42     82  100

(1) 一般来说，最好首先使用类似于 data.frame 或 data.table 的表结构 - 从这些结构中选择列花费最少的时间。

(2) 如果无法做到这一点，最好先将列表转换为 data.frame 或 data.table，而不是在一次操作中提取值。

(3) 有趣的是，将 sapply 或 lapply 与基本 R(优化)[[-函数一起使用会导致处理时间仅比使用 rbind 和提取值作为列的两倍差。